选择您的 Cookie 首选项

我们使用必要 Cookie 和类似工具提供我们的网站和服务。我们使用性能 Cookie 收集匿名统计数据,以便我们可以了解客户如何使用我们的网站并进行改进。必要 Cookie 无法停用,但您可以单击“自定义”或“拒绝”来拒绝性能 Cookie。

如果您同意,AWS 和经批准的第三方还将使用 Cookie 提供有用的网站功能、记住您的首选项并显示相关内容,包括相关广告。要接受或拒绝所有非必要 Cookie,请单击“接受”或“拒绝”。要做出更详细的选择,请单击“自定义”。

为用户提供自定义映像的访问权限

聚焦模式
为用户提供自定义映像的访问权限 - 亚马逊 SageMaker AI

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

本文档提供了相关 step-by-step说明,让您的用户能够在其 JupyterLab 环境中访问自定义映像。您可以使用本页上的信息为用户的工作流程创建自定义环境。这一过程包括利用:

  • Docker

  • AWS Command Line Interface

  • Amazon Elastic Container Registry

  • 亚马逊 SageMaker AI AWS Management Console

按照此页面上的指南操作后,Amazon A SageMaker I 域的 JupyterLab 用户将可以从其 Jupyter 空间访问自定义图像和环境,以增强其机器学习工作流程。

重要

本页假设你有 AWS Command Line Interface 和 Docker 已安装在您的本地计算机上。

要让您的用户在其中成功运行他们的映像 JupyterLab,您必须执行以下操作:

要让用户成功运行映像
  1. 创建 Dockerfile

  2. 根据 Dockerfile 构建映像

  3. 将映像上传到 Amazon Elastic Container Registry

  4. 将图片附加到你的 Amazon A SageMaker I 域名上

  5. 让您的用户从您的 JupyterLab 空间访问图片

步骤 1:创建 Dockerfile

创建 Dockerfile,定义创建在用户容器中运行应用程序所需环境的步骤。

重要

您的 Dockerfile 必须符合 Dockerfile 规范 中提供的规范。

有关 Dockerfile 模板的信息,请参阅。应用程序的运行状况检查和 URL

步骤 2:构建镜像

在与 Dockerfile 相同的目录下,使用以下命令构建映像:

docker build -t username/imagename:tag your-account-id.dkr.ecr.AWS 区域.amazonaws.com/your-repository-name:tag
重要

您的映像必须按以下格式标记:123456789012.dkr.ecr.your-region.amazonaws.com/your-repository-name:tag

否则,您将无法将其推送到 Amazon Elastic Container Registry 存储库。

步骤 3:将映像推送到 Amazon Elastic Container Registry 存储库

创建映像后,使用以下命令登录 Amazon ECR 存储库:

aws ecr get-login-password --region AWS 区域 | docker login --username AWS --password-stdin 123456789012.dkr.ecr.AWS 区域.amazonaws.com

登录后,使用以下命令推送 Dockerfile:

docker push 123456789012.dkr.ecr.AWS 区域.amazonaws.com/your-repository-name:tag

第 4 步:将图片附加到用户的 Amazon SageMaker AI 域名中

重要

允许 Studio 用户创建空间的自定义 IAM 策略还必须授予列出映像 (sagemaker: ListImage) 的权限,以便查看自定义映像。要添加权限,请参阅《AWS Identity and Access Management用户指南》中的添加或删除身份权限

AWS 亚马逊 A SageMaker I 的托管策略授予创建 SageMaker AI 资源的权限已经包括在创建这些资源时列出图像的权限。

推送图片后,您必须从您的 Amazon A SageMaker I 域访问该图片。使用以下步骤将图像附加到 A SageMaker I 域:

使用 SageMaker AI 控制台附加图像

  1. 打开 A SageMaker I 控制台

  2. 管理员配置下,选择

  3. 列表中选择一个域。

  4. 打开环境选项卡。

  5. 对于专用 Studio 应用程序的自定义映像,请选择附加映像

  6. 指定映像源。

  7. 选择下一步

  8. 选择提交

使用附加图像 AWS CLI

使用以下步骤通过以下步骤将图像附加到 SageMaker 域中 AWS CLI :

  1. 创建 A SageMaker I 镜像。使用以下 AWS CLI 命令时,必须将该AmazonSageMakerFullAccess策略附加到您的角色上。

    aws sagemaker create-image \ --image-name custom-image \ --role-arn arn:aws:iam::account-id:role/service-role/execution-role
  2. 根据镜像创建 SageMaker AI 镜像版本。传递您在将映像推送到 Amazon ECR 时所选择的唯一标签值。

    aws sagemaker create-image-version \ --image-name custom-image \ --base-image repository-uri:tag
  3. 创建名为 app-image-config-input.json 的配置文件。应用程序映像配置用作将 SageMaker AI 映像作为代码编辑器应用程序运行的配置。您也可以在此处指定 ContainerConfig 参数。

    { "AppImageConfigName": "app-image-config", "CodeEditorAppImageConfig": { "ContainerConfig": {} } }
  4. 使用创建的应用程序映像配置文件创建 AppImageConfig

    aws sagemaker create-app-image-config \ --cli-input-json file://app-image-config-input.json
  5. 创建一个名为 updateDomain.json 的配置文件。请务必指定您的域名 ID。

    { "DomainId": "domain-id", "DefaultUserSettings": { "JupyterLabAppSettings": { "CustomImages": [ { "ImageName": "custom-image", "AppImageConfigName": "app-image-config" } ] } } }
  6. 以配置文件为输入,调用 UpdateDomain 命令。

    注意

    在使用新映像更新域之前,您必须删除域中的所有应用程序。请注意,您只需要删除应用程序;需要删除用户配置文件或共享空间。有关删除应用程序的说明,请选择以下选项之一。

    aws sagemaker update-domain --cli-input-json file://updateDomain.json

现在,您的用户可以从他们的 JupyterLab 空间中选择您已附加到其域名的图片。

隐私网站条款Cookie 首选项
© 2025, Amazon Web Services, Inc. 或其附属公司。保留所有权利。